土壤遥感分类识别推理决策器的设计

介绍了干旱区土壤遥感分类识别推理决策器的设计原理与实现方法。在用TM遥感图像对土壤类型进行非监督分类的基础上，建立了正向推理与逆向推理相结合的推理机制，对土壤类型进行分类识别决策。用知识表示的产生式规则与框架式规则相结合的数据结构表示土壤学专家的土壤分类识别知识。用像结构模式建立了土壤分类识别的规则，构造了土壤分类判决树，并用典型像例模式进行了各类型土壤判据文件的组织。用该方法对新疆天山北麓阜康试验区的土壤分类识别进行了试验研究。结果表明，该方法分类精度可靠，为干旱区土壤分类识别开辟了一条新的途径。     

利用NOAA NDVI数据集监测冬小麦生育期的研究

探索了利用NDVI研究作物生育期的方法，对黄淮海冬麦区的返青期、抽穗期、成熟期进行了估测，并利用地面实际观测资料进行了验证。结果表明，NDVI数据对大范围农作物生育期监测是可行的。冬小麦遥感反青期由南到北依次推迟，符合春季绿波由南到北推移规律。对冬小麦遥感生育期年际变化分析表明，黄淮海平原返青期变化相对较大，而抽穗期和成熟期变化较小。根据历年月平均温度与返青期分析，冬小麦返青日期与2月份平均温度密切相关。对于局部地区，利用5d合成1km分辨率数据，且按农业生态分区分别制定生育期判别标准，估测效果将更好。     

航空扫描图像视角辐射误差的统计改正方法

在航空遥感中,位于传感器扫描线上的像元由于视角位置的不同,通常产生不同的辐射误差。这种辐射误差严重影响了基于遥感图像进行的各种定量分析的精度。因此,对这种视角辐射误差进行改正非常必要。本文从传感器视角和微小平面反射的角度出发,讨论和分析了航空扫描图像的视角辐射误差,研究了航空扫描图像中由于视角引起辐射误差的统计改正方法,并利用模拟扫描数据进行了试验,结果表明该方法是有效的。     

基于整数小波变换的多光谱图像无损压缩

多光谱图像一般都采用预测方法去除空间冗余和谱内冗余实现无损压缩。通过用提升方法构造整数小波变换, 将变换方法用于去除空间冗余；通过分类方法构造谱间预测器，用预测方法去除谱间冗余，两者相结合，实现无损压缩。由于变换方法的去相关性能良好，使该方法压缩效果大大改善。     

组合GPS／GLONASS精密定位的观测值随机模型

为了获得组合GPS／GLONASS精密定位结果，该文从理论和数值实例两方面分析了研究组合GPS／GLONASS观测值随机模型的重要性，提出了两种利用观测值的误差残差估计随机模型的方法，即验后估计法和方差－协方差迭代法。理论和数值结果表明，这两种随机模型估计方法与采用经验随机模型相比，可以提高整周模糊度解算的可靠性和定位精度，所提出的观测值随机模型估计方法理论上更严格，实践上可行，并建议采用方差－协方差迭代法估计组合GPS／GLONASS精密定位的观测值随机模型。     

基于小波多分辨率分析方法的海冰遥感影像数据融合

采用小波多分辨率分析方法，对辽东湾2000－01－18的海冰遥感数据（NOAA／ARHRR和Radarsat/ScanSAR)进行了融合分析，并从几方面对结果作了深入的分析和对比。文中首次采用了小波分析中的多层次分解和重构技术用于数据融合分析。     

土地覆被变化对陆地碳循环的影响—以黄河三角洲河口地区为例

土地利用/土地覆被变化是全球变化研究的重点，是影响陆地碳循环的一个重要因子。该文对黄河三角洲河口地区1992年和1996年9月份的TM影像进行非监督分类，做出该地区土地覆被类型分布图，以及估算土地覆被类型的变化面积，计算结果显示1992年该研究地区植被碳库和土壤碳库分别为11.43×10     

世界森林的数字地球监测

介绍中国风云气象卫星FY－1,FY－2对地观测数据应用于全球森林资源的分类监测。讨论中国加入WTO以后对全球森林资源再分配的新战略。以全球观点,分析贵州省的森林资源特色及其对世界的特殊贡献。评价21世纪中国森林数据库与林业管理信息系统的规划与建设。     

遗传算法及其在GOMS模型反演中的应用效果分析

几何光学交互遮蔽模型（GOMS）是一种重要的遥感前向模型,它较好解释了“热点”现象,具有较强的前向模拟能力。但由于其固有的非线性性,给反演带来困难。本文尝试采用近年来兴起的并行随机全局寻优算法－遗传算法对GOMS进行反演,并针对传统遗传算法的不足进行了改进。在使用相同先验知识的条件下,将该算法与目前最有效的约束非线性最优化确定性搜索算法－逐步二次规划法对GOMS模型的反演效果进行了比较,结果表明,逐步二次规划法搜索效率较高,但结果受初值的影响很大,初值选择不当,易收敛于局部最优解,而遗传算法具有全局最优的收敛效果,但局部搜索效率较差。在某些对精度要求不高,而对搜索效率要求较高的场合,可以采用遗传算法与确定性搜索算法相结合的混合遗传算法,以提高算法的搜索效率,获得较为满意的效果。     

基于分形理论的航空图像分类方法

提出一种基于分形理论和BP神经网络的航空遥感图像有监督分类方法。该方法尝试将航空图像的光谱信息和纹理特征相结合。它首先将彩色航空图像由RGB格式转化为HSI格式，然后，根据亮度计算分数维、多重分形广义维数谱q-D(q)和“空隙”等基于分形的纹理特征，同时加入归一化的色度和饱和度作为光谱特征，采用BP神经网络作为分类器。通过对彩色航空图像的分类实验，结果证实该方法行之有效。